? ? ? ?我在很多平臺上都收到過“怎么學習大數(shù)據？學大數(shù)據要學編程嗎？大數(shù)據都學什么知識” 等等類似的問題。而近期類似的問題越來越多，2018年將成為大數(shù)據人才集中產出的一年，我也應廣大網友的要求寫了此篇文章，希望可以幫助更多的大數(shù)據人。

每個人都在說大數(shù)據，但是大數(shù)據到底是什么？很多人都沒有搞清楚。所以大數(shù)據學習要學什么知識自然就不是非常清楚了。

什么是大數(shù)據？

其實從字面意義上講，我們就可以進行簡單的了解，大數(shù)據就是大的數(shù)據，也可以稱之為海量數(shù)據或巨量數(shù)據。大數(shù)據相對的就是小數(shù)據或者普通數(shù)據，大數(shù)據與小數(shù)據或平臺數(shù)據的區(qū)別在哪里呢？小數(shù)據或平臺數(shù)據是可以通過人或者普通的工具就可以進行收集、提取、處理等等操作。而大數(shù)據是涉及的有價值的數(shù)據資料量，規(guī)模巨大到無法通過人腦甚至主流軟件工具，在合理時間內達到擷取、管理、處理、并整理成為幫助企業(yè)經營決策更積極目的的資訊。

?那么大數(shù)據的處理就需要新型的技術和工具進行處理，而當前社會的高速發(fā)展，每天在不同的互聯(lián)網平臺甚至傳統(tǒng)行業(yè)都會產生巨大的數(shù)據。所以大數(shù)據人才的需求量就不斷增加。

?大數(shù)據的主要就業(yè)方向是什么？

?我們了解完大數(shù)據的基本概念后，再讓我們看看每天談論的大數(shù)據到底做什么工作

1.??? 大數(shù)據研發(fā)

2.??? 大數(shù)據分析與挖掘

3.??? 深度學習

4.??? 人工智能

?

大數(shù)據需要學習哪些知識？

?學習大數(shù)據到底是學習編程、還是工具使用，還是數(shù)學理論？

?大數(shù)據的方向很廣需要掌握的知識也不大相同。今天我們就主要的就業(yè)方向進行知識結構解剖。

?

一、基礎知識

Java：大家都知道Java的方向有JavaSE、JavaEE、JavaME，學習大數(shù)據要學習那個方向呢？只需要學習Java的標準版JavaSE就可以了，像Servlet、JSP、Tomcat、Struts、Spring、Hibernate，Mybatis都是JavaEE方向的技術在大數(shù)據技術里用到的并不多，只需要了解就可以了，當然Java怎么連接數(shù)據庫還是要知道的，像JDBC一定要掌握一下，有同學說Hibernate或Mybites也能連接數(shù)據庫啊，為什么不學習一下，我這里不是說學這些不好，而是說學這些可能會用你很多時間，到最后工作中也不常用，我還沒看到誰做大數(shù)據處理用到這兩個東西的，當然你的精力很充足的話，可以學學Hibernate或Mybites的原理，不要只學API，這樣可以增加你對Java操作數(shù)據庫的理解，因為這兩個技術的核心就是Java的反射加上JDBC的各種使用。

Linux：因為大數(shù)據相關軟件都是在Linux上運行的，所以Linux要學習的扎實一些，學好Linux對你快速掌握大數(shù)據相關技術會有很大的幫助，能讓你更好的理解hadoop、hive、hbase、spark等大數(shù)據軟件的運行環(huán)境和網絡環(huán)境配置，能少踩很多坑，學會shell就能看懂腳本這樣能更容易理解和配置大數(shù)據集群。還能讓你對以后新出的大數(shù)據技術學習起來更快。

好說完基礎了，再說說還需要學習哪些大數(shù)據技術，可以按我寫的順序學下去。

Hadoop：這是現(xiàn)在流行的大數(shù)據處理平臺幾乎已經成為大數(shù)據的代名詞，所以這個是必學的。Hadoop里面包括幾個組件HDFS、MapReduce和YARN，HDFS是存儲數(shù)據的地方就像我們電腦的硬盤一樣文件都存儲在這個上面，MapReduce是對數(shù)據進行處理計算的，它有個特點就是不管多大的數(shù)據只要給它時間它就能把數(shù)據跑完，但是時間可能不是很快所以它叫數(shù)據的批處理。YARN是體現(xiàn)Hadoop平臺概念的重要組件有了它大數(shù)據生態(tài)體系的其它軟件就能在hadoop上運行了，這樣就能更好的利用HDFS大存儲的優(yōu)勢和節(jié)省更多的資源比如我們就不用再單獨建一個spark的集群了，讓它直接跑在現(xiàn)有的hadoop yarn上面就可以了。其實把Hadoop的這些組件學明白你就能做大數(shù)據的處理了，只不過你現(xiàn)在還可能對"大數(shù)據"到底有多大還沒有個太清楚的概念，聽我的別糾結這個。等以后你工作了就會有很多場景遇到幾十T/幾百T大規(guī)模的數(shù)據，到時候你就不會覺得數(shù)據大真好，越大越有你頭疼的。當然別怕處理這么大規(guī)模的數(shù)據，因為這是你的價值所在，讓那些個搞Javaee的php的html5的和DBA的羨慕去吧。

記住學到這里可以作為你學大數(shù)據的一個節(jié)點。

Zookeeper：這是個萬金油，安裝Hadoop的HA的時候就會用到它，以后的Hbase也會用到它。它一般用來存放一些相互協(xié)作的信息，這些信息比較小一般不會超過1M，都是使用它的軟件對它有依賴，對于我們個人來講只需要把它安裝正確，讓它正常的run起來就可以了。

Mysql：我們學習完大數(shù)據的處理了，接下來學習學習小數(shù)據的處理工具mysql數(shù)據庫，因為一會裝hive的時候要用到，mysql需要掌握到什么層度那？你能在Linux上把它安裝好，運行起來，會配置簡單的權限，修改root的密碼，創(chuàng)建數(shù)據庫。這里主要的是學習SQL的語法，因為hive的語法和這個非常相似。

?Sqoop：這個是用于把Mysql里的數(shù)據導入到Hadoop里的。當然你也可以不用這個，直接把Mysql數(shù)據表導出成文件再放到HDFS上也是一樣的，當然生產環(huán)境中使用要注意Mysql的壓力。

?Hive：這個東西對于會SQL語法的來說就是神器，它能讓你處理大數(shù)據變的很簡單，不會再費勁的編寫MapReduce程序。有的人說Pig那？它和Pig差不多掌握一個就可以了。

Oozie：既然學會Hive了，我相信你一定需要這個東西，它可以幫你管理你的Hive或者MapReduce、Spark腳本，還能檢查你的程序是否執(zhí)行正確，出錯了給你發(fā)報警并能幫你重試程序，最重要的是還能幫你配置任務的依賴關系。我相信你一定會喜歡上它的，不然你看著那一大堆腳本，和密密麻麻的crond是不是有種想屎的感覺。

?Hbase：這是Hadoop生態(tài)體系中的NOSQL數(shù)據庫，他的數(shù)據是按照key和value的形式存儲的并且key是唯一的，所以它能用來做數(shù)據的排重，它與MYSQL相比能存儲的數(shù)據量大很多。所以他常被用于大數(shù)據處理完成之后的存儲目的地。

?Kafka：這是個比較好用的隊列工具，隊列是干嗎的？排隊買票你知道不？數(shù)據多了同樣也需要排隊處理，這樣與你協(xié)作的其它同學不會叫起來，你干嗎給我這么多的數(shù)據（比如好幾百G的文件）我怎么處理得過來，你別怪他因為他不是搞大數(shù)據的，你可以跟他講我把數(shù)據放在隊列里你使用的時候一個個拿，這樣他就不在抱怨了馬上灰流流的去優(yōu)化他的程序去了，因為處理不過來就是他的事情。而不是你給的問題。當然我們也可以利用這個工具來做線上實時數(shù)據的入庫或入HDFS，這時你可以與一個叫Flume的工具配合使用，它是專門用來提供對數(shù)據進行簡單處理，并寫到各種數(shù)據接受方（比如Kafka）的。

?Spark：它是用來彌補基于MapReduce處理數(shù)據速度上的缺點，它的特點是把數(shù)據裝載到內存中計算而不是去讀慢的要死進化還特別慢的硬盤。特別適合做迭代運算，所以算法流們特別稀飯它。它是用scala編寫的。Java語言或者Scala都可以操作它，因為它們都是用JVM的。

?后續(xù)提高?：當然還是有很有可以提高的地方，比如學習下python，可以用它來編寫網絡爬蟲。這樣我們就可以自己造數(shù)據了，網絡上的各種數(shù)據你高興都可以下載到你的集群上去處理。最后再學習下推薦、分類等算法的原理這樣你能更好的與算法工程師打交通。這樣你的公司就更離不開你了，大家都會對你喜歡的不要不要的。

總結

以上是生活随笔為你收集整理的怎么学习大数据，入门大数据要掌握哪些知识？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。